16538

16538

تشخيص بيماري ام‌اس بر اساس ارتباطات عملكردي مغز در سيگنال‌هاي الكتروانسفالوگرافي

كارشناسي ارشد

بيوالكتريك

شهريور ماه 1395

دكتر دليري

برق

چكيده امروزه بيماري ام‌اس يكي از شايع‌ترين بيماري‌هاي نورولوژيك در دنياست، كه علي‌رغم تلاش‌ها تا كنون معيار قطعي و مشخصي براي تشخيص آن بدست نيامده است. با توجه به اين‌كه در اين بيماري ارتباطات عملكردي فرد دچار آسيب مي‌شود، بررسي اين ارتباطات مي‌تواند حاوي اطلاعات مفيدي در تشخيص بيماري باشد. استفاده از الكتروانسفالوگرافي (EEG) يكي از تازه‌ترين كارهاي در حال انجام در زمينه تشخيص بيماري ام‌اس مي‌باشد. تا‌كنون مطالعات زيادي تغيير مولفه‌هاي مغزي در اثر بيماري ام‌‌اس را نشان داده‌اند. ارتباطات مغزي و ويژگي‌هاي مربوط به آن يكي از حوزه‌هاي اخير در زمينه مطالعات آسيب‌شناسي و تشخيص اين بيماري‌ست. تركيب آزمون‌هاي رفتاري و آناليز سيگنال EEG مي‌تواند صحت تشخيص را به ميزان قابل توجهي بالا ببرد. در اين مطالعات معمولا EEG در طول انجام يك آزمايش خاص، كه نيازمند توجه اختياري و كامل فرد مي‌باشد، ثبت مي‌شود. بررسي ارتباطات مغزي در اين حالت مي‌تواند اطلاعات مفيدي را در تشخيص اين بيماري بدست دهد. در اين پروژه به منظور بررسي ارتباطات مغزي، سيگنال EEG از دو گروه بيمار و سالم، هم در طول آزمايش و هم در حالت استراحت با چشمان بسته، با دستگاه ايموتيو ثبت گرديد. در گروه بيمار 6 نفر و در گروه سالم 8 فرد حضور داشتند. براي هر فرد شبكه‌هاي ارتباطي بر اساس همدوسي و PLI بدست آمد و ويژگي‌هاي گراف از آن‌ها استخراج گرديد. نتايج بررسي‌ها حاكي از تغييرات شبكه مغزي در اثر بيماري ام‌اس است. افزايش طول مسير و كاهش ضريب خوشه‌بندي حاكي از كاهش بهينگي ارتباطات مغزي بيماران به ويژه در حالت استراحت است. در حين آزمايش، شبكه‌ها رفتارهاي متنوع‌تري داشتند، كه در برخي موارد بهبود معيارهاي ارتباطي نواحي را نشان مي‌دهد. بر اين اساس مي‌توان گفت كه مغز بيماران براي جبران‌سازي آسيب‌هاي بيماري، به‌ويژه در حوزه توجه، توانسته ارتباطات از بين رفته را جبران كرده و حالت بهينه انتقال اطلاعات در مغز را تا حدودي حفظ كند. واژه‌هاي كليدي: ام‌اس، EEG، ارتباطات مغزي، تئوري گراف، همدوسي، شاخص تاخير فاز

1395/11/17

1/1/1900 12:00:00 AM

Abstract: Multiple sclerosis is one of the most preva​lent neurological disorders in the world. Despite all the efforts, there’s no definite criterion for MS diagnosis. Given that the brain functional connectivity is damaged during MS disease, investigating brain connectome may have useful diagnostic information. One of the most recent fields of MS researches is using EEG as a diagnostic tool. Already lots of studies have shown the change of brain signal component during MS. Brain connectivity an​d its related features are of interested areas in pathological an​d diagnostic MS studies. Using brain signals analysis in conjunction with neuropsychological tests can significantly increase the diagnosis accuracy. Sometimes in MS studies, EEG is recorded when subject is involved in a task, which needs subject’s vulnerable attention. Patient’s brain activity can differ from normal group. Thus, brain connectivity analysis during an attentional task may also have diagnostic information. In order to study brain connectivity, EEG signals were recorded from MS an​d normal groups during task an d resting state, using Emotiv system. We studied 6 patients with MS an​d 8 healthy controls. We constructed for each subject brain networks using coherence an​d PLI measures an​d extracted graph features. Results indicate brain network topological changes during MS. Clustering coefficient decrease an​d characteristic path length increase in patient group shows decreased optimal connectivity especially in the resting state. Brain networks behaved different during tasks an​d showed a little improvement in some features. According to the results, we can say that patient’s brain could slightly compensate for lost connections an​d preserve optimal information transfer. Keywords: Multiple sclerosis, EEG, brain connectivity, graph theory, coherence, phase lag index